Upload
others
View
18
Download
0
Embed Size (px)
Citation preview
Available online at www.alphanumericjournal.com
alphanumeric journal The Journal of Operations Research, Statistics, Econometrics and
Management Information Systems
Volume 6, Issue 1, 2018
© 2013 -2018. Alphanumeric Journal The Journal of Operations Research, Statistics, Econometrics and Management Information
Systems All rights reserved. Alphanumeric Journal Volume 6, Issue 1, 2018
Received: January 29, 2018 Accepted: June 19, 2018 Published Online: June 30, 2018
AJ ID: 2018.06.01.STAT.03 DOI: 10.17093/alphanumeric.385396
Compositional Data: A Different Perspective to Registered Motor Land Vehicles
Levent Terlemez, Ph.D.
Assist. Prof., Department of Statistics, Faculty of Science, Anadolu University, Eskişehir, Turkey, [email protected]
Cenk İçöz
Res. Assist., Department of Statistics, Faculty of Science, Anadolu University, Eskişehir, Turkey, [email protected]
* Anadolu Üniversitei, Yunus Emre Kampüsü, Fen Fakültesi, İstatistik Bölümü, 26476, Eskişehir/Türkiye
ABSTRACT
Data which is formed by parts of a whole arise in diverse scientific fields. Due to its structure, this kind of data is multivariate which has attractive properties. Because they are constrained to a constant sum, they have both central tendency and dispersion measures, and a constrained space of their own. Frequently, aforementioned data is being summarized by using classical fundamental statistics. In this study, a specific data type called compositional data is mentioned. Registered motor land vehicle data is examined through compositional data analysis and its dispersion and central tendency measures are calculated. In addition, graphics designed for compositional data is given and registered motor land vehicles data is interpreted with the help of these graphics.
Keywords: Compositional Data, Descriptive Statistics, Registered Motor Land Vehicles
Bütünleşik Veri: Kayıtlı Motorlu Kara Taşıtlarına Farklı Bir Bakış
ÖZ Bir bütüne ait parçalardan oluşan veriler değişik bilim alanlarında karşımıza çıkmaktadır. Yapısı gereği çok değişkenli olan bu veriler ilgi çekici özelliklere sahiptir. Bu tür veriler sabit bir toplamla sınırlandırılmasından dolayı hem kendilerine özgü merkezi eğilim ve değişkenlik ölçülerine hem de sınırlı bir uzaya sahiptir. Çoğu zaman bu veriler klasik temel istatistikler kullanılarak özetlenmeye çalışılmaktadır. Bu çalışmada bütünleşik veri olarak adlandırılan bu özel veri türü ele alınmıştır. Kayıtlı motorlu kara taşıtları verisi bütünleşik veri analizi kullanılarak incelenmiş, merkezi eğilim ölçüleri ve değişkenlik ölçüleri hesaplanmıştır. Ayrıca çalışmada bu tür verilere has olan grafiksel gösterimlere de yer verilmiş, kayıtlı motorlu taşıtlar verisi bu grafikler yardımı ile yorumlanmıştır.
Anahtar Kelimeler: Bütünleşik Veri, Temel İstatistikler, Motorlu Kara Taşıtları
http://www.alphanumericjournal.com/http://orcid.org/0000-0001-7599-7296http://orcid.org/0000-0002-0219-1088
Terlemez, İçöz Compositional Data: A Different Perspective to Registered Motor Land Vehicles 194
Alphanumeric Journal Volume 6, Issue 1, 2018
1. Giriş
Otomotiv sektörü, dünya ekonomisinin temel unsurlarından birisidir. Bunun nedeni, otomotiv sektörünün üretimde bulunduğu ekonomiye yüksek katma değer sağlayan, teknolojik gelişmeleri hızlandıran, ihracat kanalıyla döviz geliri kazandırmasıdır. Sadece bununla da yetinmemekte, birçok sektörün gelişimine katkıda bulunmakta, savunma, ulaştırma ve altyapı gibi stratejik alanları geliştiren nitelikteki sektörler arasında yer almaktadır. Daha detaylı bir örnek vermek gerekirse, vergi sistemimizde Motorlu Taşıtlar Vergisi (MTV) olarak geçen ve Karayolları Trafik Kanunu’na göre, trafik şubelerine kayıtlı bulunan motorlu araçların trafik sicil kaydı başladıktan sonra ödenmeye başlanan, bu sicil kaydı silinene kadar ödenme yükümlüğü devam eden vergi kalemi verilebilir. 2016 yılı itibarıyla 4 trilyon dolar ile dünya ekonomisinin yaklaşık %5’ini oluşturan otomotiv sektörü dünyanın en büyük 4. ekonomisine tekabül etmektedir (Pişkin, S.,2 017; Güngör, 2017).
Türkiye ise otomotiv pazarı tarih boyunca oldukça dinamik bir görünüm sergilemiştir. 1930’lu yıllarda otomobile sahip olmak üst düzey zenginliğin göstergesi iken, zaman içinde daha kolay erişilebilir hale gelmesi, otomotiv endüstrisinin dijitalleşme, yakıt verimliliği, emisyon salınımı, emniyet ve tasarım gibi birçok alanda, tüketici talebine yönelik, yeni hedefler ortaya koyması günümüzde de arzulanan nesne konumunu sağlamlaştırmıştır. Temmuz 2017 tarihi itibari ile trafiğe kayıtlı motorlu kara taşıtı sayısı toplam 21 milyon 763 bin 103 adet olmuştur. Bu araçların %53,9’unu otomobil, %16,4’ünü kamyonet, %14,1'ini motosiklet, %8,3’ünü traktör, %3,8’ini kamyon, %2,2’sini minibüs, %1’ini otobüs, %0,3’ünü ise özel amaçlı motorlu kara taşıtları oluşmaktadır. Başka bir şekilde ifade etmek istenirse, trafiğe kaydı yapılan motorlu kara taşıt sayısı 2016 yılının aynı ayına göre %41,1 artış göstermiştir (Pişkin, S.,2 017; TÜİK, 2017).
Tematik haritalar bir temayı ya da özel bir konuya ilişkin özel bir harita çeşididir. Koroplet haritalar tematik haritanın bir türü olup konuya ilişkin değişkenin haritadaki idari bölgeler üzerinde göstermeye çalışan bir haritadır (VGK, 2017). Şekil 1 ve Şekil 2’deki koroplet haritaları incelendiğinde, kayıtlı motorlu kara aracı türlerinin illere göre dağılım yoğunluğu daha iyi incelenebilmektedir. Örneğin, otomobil kullanımının İstanbul ili başta olmak üzere daha çok, nüfus yoğunluğunun yüksek olduğu büyük şehirlerde tercih edildiği gözlemlenmektedir. Diğer bir motorlu kara taşıtı olan motosikletin ise kıyı şeridine sahip olan illerde tercih edildiği görülmektedir.
Terlemez, İçöz Bütünleşik Veri: Kayıtlı Motorlu Kara Taşıtlarına Farklı Bir Bakış 195
Alphanumeric Journal Volume 6, Issue 1, 2018
Şekil 1. Koroplet Türkiye Haritası (Otomobil, Minibüs, Otobüs, Kamyonet); Kaynak: TÜİK, 2018
Şekil 2. Koroplet Türkiye Haritası (Kamyon, Motosiklet, Özel Araçlar, Traktör) ; Kaynak: TÜİK, 2018
1000 kişiye düşen araç sahiplik oranında ise, otomobilin Türkiye’ye girdiği tarihten bu yana, hızlı bir gelişim göstermekle birlikte hala gelişmiş ülkelerin oldukça gerisinde yer almaktadır. OICA verilerine göre 2014 yılı rakamlarıyla dünyada ortalama her bin kişiye 180 araç düşer iken bu rakam Türkiye’de 189, Batı Avrupa’da 569 ve ABD’de ise 808 seviyesindedir Pişkin, 2017; OICA, 2017).
Terlemez, İçöz Compositional Data: A Different Perspective to Registered Motor Land Vehicles 196
Alphanumeric Journal Volume 6, Issue 1, 2018
Türkiye genelinde, kayıtlı motorlu kara taşıtı türlerinin kayıtlı motorlu kara taşıtlarının bütünü içindeki yerini ise, Şekil 3’de verilen ağaç grafiği yardımıyla gözlemlemek mümkün olabilmektedir.
Şekil 3. Kayıtlı Motorlu Kara Araçları; Kaynak: TÜİK, 2017
Bu çalışmanın amacı, motorlu taşıtların illere göre dağılımına istatistiksel olarak farklı bir açıdan yaklaşımda bulunmaktır. Bunun nedeni ise gerçek değerli veri kümeleri için geliştirilen birçok çok değişkenli istatistiksel metodun, bütünleşik veri kümeleri için yanıltıcı veya çeşitli sebeplerden dolayı uygulanabilir olmamasından kaynaklanmaktadır. Dolayısı ile bir bütünün parçaları olarak ele alındığında, kayıtlı motorlu kara taşıt türlerinin gerçek sahip olma sayıları üzerinden analizler yapmanın her zaman istenen sonuçlara ulaşılmasını sağlamayacağını gösterebilmektir. Bu nedenle, motorlu kara taşıtlarına sahip olma sayıları yerine, sahip olunan motorlu kara taşıtlarını bir bütün gibi düşünerek, taşıt türlerinin bütünün içindeki oranı olarak ele alınmaya çalışılacaktır.
2. Literatür Taraması
Bu çalışmada kullanılan yöntemle ilgili yapılmış yazında çok sayıda çalışma mevcuttur. Aitchison (1982) bütünleşik veri için ileri sürdüğü Simpleks uzayını tanımlamıştır. Ayrıca bu çalışmada parametrik istatistiksel testlerin yapılabilmesi için simplekste dönüştürülmüş normal dağılımları tanımlamıştır. Böylelikle bütünleşik veriler için de parametrik hipotez testleri uygulanabilir hale gelmiştir.
Mert ve ark. (2016), bütünleşik veri analizini epidemiyolojik veriler üzerinde uygulamışlardır. Daha önce epidemiyolojik verilerin genellikle kesin bilgi üzerinden analiz edildiği öne sürülmüştür. Çalışmada Avusturya’daki bölgeler için tek değişkenli
Terlemez, İçöz Bütünleşik Veri: Kayıtlı Motorlu Kara Taşıtlarına Farklı Bir Bakış 197
Alphanumeric Journal Volume 6, Issue 1, 2018
ve çok değişkenli analizler uygulanarak bütünleşik veri analizinin farklılıkları ortaya konulmaya çalışılmıştır.
Edjabou ve ark. (2017) Danimarka’da bir haftalık bir zaman süresince 779 adet hane halkından elde edilen katı atıkları 8 farklı parçaya ayırarak incelemişlerdir. Bu parçaların toplamının atık kompozisyonları için her koşulda 100 (yüzde) olacağı ve bu toplam kısıtından dolayı kısıtsız veriler için uygun olan klasik istatistiksel yöntemlerin uygulanamayacağından bahsetmişlerdir. Pearson korelasyon katsayıları ile parçalara uygulanan korelasyon analizi sonuçları farklılık göstermiştir. Pearson korelasyon katsayısı pozitif olan iki değişken parçalar ele alınarak korelasyon analizi yapıldığında negatif ilişki göstermişlerdir. Çalışmada bu tür verilere değişkenlik ölçüleri ve merkezi eğilim ölçüleri hesaplanmadan önce bir takım dönüşümler yapılması gerekliliği sonucuna varılmıştır.
3. Yöntem
Genellikle bir veri seti belirli bir toplama ait parçalar (bileşen) hakkında bilgi sağlıyor ise bu veri seti bütünleşik bir veri seti olarak adlandırılmaktadır. Bir içecek türündeki besin değerlerinin yoğunluğu, bir hastanın kanındaki değişik hücre türlerinin yoğunluğu, politik partilere verilen oy oranları, bir ekosistemdeki ya da bir tuzaktaki canlı türlerinin oranları, bir mineraldeki kimyasal elementlerin oranları, zaman kullanım verileri, değişik harcama kategorilerine ait hane halkı harcamaları bütünleşik veri setine ilişkin verilebilecek temel örneklerdendir (Aitchison 2005; Van den Boogard, Tolasana-Delgado 2013).
Bir kompozisyon 𝐱 = [𝑥1, 𝑥2, … , 𝑥𝐷] vektörü D adet pozitif parçalardan oluşan ve parçaların toplamı sabit bir sayı K ’ya eşit olan bir vektör olarak tanımlanacaktır. Bir kompozisyonun, ondan daha az sayıda parça içeren kompozisyonuna da orijinal kompozisyonun alt kompozisyonu adı verilir(van den Boogard, Tolasana-Delgado 2013).
Basit bir şekilde bu tanım bir dilbilgisi dersinde herhangi bir konu hakkında görüş ifade etmek amacı ile kaleme alınan bir kompozisyonu çağrıştırmaktadır. Aynı zamanda bu tanım ile de eşleştirilebilir. Bir kompozisyon genel olarak giriş, gelişme ve bir yargı içeren sonuç bölümlerinden oluşmaktadır. Dolayısı ile bu tür bir kompozisyon üç farklı parçadan oluşan bir bütündür. Bu bütünleşik veri için verilebilecek en temel örneklerden biridir. Gerçek hayat verilerinde, genelde üçten daha fazla parça yer alabilir.
Çoğu bütünleşik veri seti verilen bu klasik tanıma uymamaktadır. Kompozisyonlar farklı toplamlara sahip olabilir. Ya da genellikle toplamlar araştırmacı için önem teşkil etmemektedir veya daha önceden tanımlanmıştır. Veri toplanırken araştırmacının toplamlar üzerinde sınırlı bir kontrolü vardır. Ayrıca genellikle toplamların istatistiksel olarak karşılaştırılması bir anlam ifade etmemektedir. (Van den Boogard, Tolasana-Delgado 2013)
Bunun üzerine Van den Boogard & Tolasana-Delgado (2013) klasik tanımda kompozisyonları önemsiz toplama ait vektörler olarak güncellemiş ve sabit toplam koşulundan bağımsız hale getirerek daha kapsamlı bir tanımlama yapmışlardır.
Terlemez, İçöz Compositional Data: A Different Perspective to Registered Motor Land Vehicles 198
Alphanumeric Journal Volume 6, Issue 1, 2018
Herhangi bir veri seti sabit koşulunu sağlayabilen bütünleşik bir veri setine dönüştürülebilir. Aynı şekilde bir toplamın bölümlerini oluşturan parçalar kompozisyon olarak adlandırılacaktır. (Van den Boogard, Tolasana-Delgado 2013)
Bütünleşik veriler bir bütünün parçalarından oluştuğu için korelasyonlu bir yapıya sahip olacaktır. Örneğin bir parça, toplamın bilinmesi şartı ile diğer parçalar cinsinden yazılabilir. Ya da bir parçanın değerinin artması, toplam sabit kaldığından diğer bir parçanın değerinin azalması anlamına gelecektir. Bu nedenlerden dolayı bazı istatistiksel analizlerin yapılması için bütünleşik verilere dönüşümler uygulanması gerekir.
Bütünleşik bir veri doğal olarak çok değişkenli yapıya sahiptir. Fakat sabit toplam kısıtı dolayısı ile sınırlı bir uzaya sahiptir. Bu nedenle klasik çok değişkenli istatistiksel metotların kullanılması yanlış çıkarımlara yol açabilir.
Toplam kısıtına sahip bütünleşik veriler kendine özgü bir uzaya sahiptir. Bu uzay simpleks (Aitchison simpleks) olarak adlandırılır..
𝕊𝐷 : = { 𝒙 = [𝑥1, 𝑥2, … , 𝑥𝐷] ∶ 𝑥𝑖 > 0 ; ∑ 𝑥𝑖 = 𝐾𝐷𝑖=1 } (1)
Her bir parçanın oran ya da yüzde olarak gösterilmesi işlemine kapanış işlemi adı verilir ve bir z vektörü için 𝒛 = [𝑧1, 𝑧2, … , 𝑧𝐷] ∈ ℝ+𝐷 için aşağıdaki gibi tanımlanır.
𝐶(𝒛) = [𝐾.𝑧1
∑ 𝑧𝑖𝐷𝑖=1
,𝐾.𝑧2
∑ 𝑧𝑖𝐷𝑖=1
, . . . ,𝐾.𝑧𝐷
∑ 𝑧𝑖𝐷𝑖=1
] (2)
Bütünleşik veri için merkezi eğilim ve değişkenlik ölçüleri de farklı şekilde tanımlanacaktır. Bütünleşik veriler için ortalama vektörü ve varyasyon matrisi aşağıdaki gibi tanımlanır. (Pawlowsky- Glahn, Egozcue & Tolasano - Delgado 2007)
�̅� = 𝐶 [𝑒𝑥𝑝 (1
𝑁∑ 𝑙𝑛𝒙𝑛
𝑁𝑖=1 )], �̂�𝑖𝑗 =
1
𝑁−1 ∑ 𝑙𝑛2
𝑥𝑛𝑖
𝑥𝑛𝑗
𝑁𝑖=1 − 𝑙𝑛
2 �̅�𝑖
�̅�𝑗 (3)
Varyasyon matrisinin köşegen elemanları 0 olacaktır. Küçük bir �̂�𝑖𝑗 değeri iki değişken arasındaki iyi bir oransallık bulunduğunu gösterecektir. Bütünleşik veri için varyans-kovaryans matrisi ise aşağıdaki gibi tanımlanacaktır.
∑̂𝑖𝑗 =1
𝑁∑ 𝑙𝑛
𝑥𝑛𝑖
𝑔(𝐱𝑛)𝑙𝑛
𝑥𝑛𝑖
𝑔(𝐱𝑛)− 𝑙𝑛
�̅�𝑖
𝑔(�̅�)𝑙𝑛
�̅�𝑖
𝑔(�̅�)𝑁𝑖=1 (4)
Bu matrisin elemanları kovaryansları içerecektir. Aynı zamanda matrisin satır toplamları sıfıra eşit olacaktır. Hesaplanışı ise varyasyon matrisine kıyasla parça çiftleri yerine tüm parçalar üzerinden olacaktır. Varyans-kovaryans matrisi matematiksel bir ihtiyaçtır, bu yüzden doğrudan yorumlanmamalıdır.
Merkezi eğilim ve değişkenlik ölçülerini grafiksel olarak göstermek ilgi çekicidir. Değişkenlik ölçüleri bir elips şeklinde üçgen grafiği üzerinde gösterilebilir. Eğer veri bütünleşik normal dağılım gösteriyor ise ya da örnek sayısı çok olduğu durumlarda ortalamanın yüzde 𝑝’lik güven aralığı (güven bölgeleri), yarıçapı Fisher’ın (𝐷 − 1) 𝑣𝑒 (𝑁 − 𝐷 + 1) serbestlik dereceli F dağılımı değeri yardımı ile elde edilen elips ile belirlenir.
𝑟 = √𝐷−1
𝑁−𝐷+1. ℱ𝑝(𝐷 − 1, 𝑁 − 𝐷 + 1) (5)
Terlemez, İçöz Bütünleşik Veri: Kayıtlı Motorlu Kara Taşıtlarına Farklı Bir Bakış 199
Alphanumeric Journal Volume 6, Issue 1, 2018
Alternatif olarak 𝑝 olasılık bölgeleri, verinin bilinen varyans yapısına sahip ve bütünleşik normal dağıldığı durumda ki-kare dağılımı yardımı ile elipsler oluşturulabilir. Elipsler için yarıçaplar aşağıdaki gibi hesaplanacaktır.
𝑟 = √𝜒𝛼2(𝐷 − 1) (6)
Bütünleşik verilerin grafiksel olarak gösterimi için üçgen grafiği kullanılacaktır. Üçgen grafiği iki boyutta verilerin incelenmesi için kullanılan saçılım grafiğinin 3 boyut için uyarlanmış halidir. Grafik üzerinde bir kompozisyon üçgenin köşelerine yakın bulunuyor ise o köşede bulunan bileşene değeri 1’ e yaklaşacak diğer bileşen değerleri ise 0’a yakın olacaktır. Üçgenin ortasına doğru konumlanan bir kompozisyonun ise üç bileşeni de birbirine yakın değerler alacaktır. Üçgen grafiği, P1[0.6, 0.2, 0.2] bütünleşik veri noktası için Şekil 4. (a)’daki gibi elde edilecektir (Van den Boogard, Tolasana-Delgado 2013).
a) Üçgen (Ternary) Grafik b) Sütun Grafiği Şekil 4. Bütünleşik Veri Grafik Gösterimi
Kullanılan diğer bir grafik türü ise sütun grafiğidir. Sütun grafik, Şekil 3.1 (b)’de de görülebileceği gibi, tüm parçaların aynı anda temsil edilebileceği klasik bir gösterimdir. Bu grafik türünde, her bir sütun, her bir birimin bütünleşik veri yapısını temsil eder. Bir sütunu oluşturan parçaların büyüklüğü ise, yığılmış olarak verildiğinden, ilgili birimin kompozisyonunu da gösterir (Van den Boogard, Tolasana-Delgado, 2013; Pawlowsky- Glahn, Egozcue & Tolasano – Delgado, 2007).
4. Bulgular
Araştırmada, TÜİK veri tabanlarında Merkezi Dağıtım Sistemi (MEDAS) ile sunulmakta olan ulaştırma istatistiklerinden elde edilmiştir (TÜİK, 2017). İlgili istatistikler 2016 yılına ait olmakla birlikte, İBBS1 ve İBBS3 düzeyinde derlenmiş verilerden yararlanılmıştır. İBBS1 düzeyi veriler, Akdeniz-TR6, Batı Anadolu-TR5, Batı Karadeniz-TR8, Batı Marmara-TR2, Doğu Karadeniz-TR9, Doğu Marmara-TR4, Ege-TR3, Güneydoğu Anadolu-TRC, Kuzeydoğu Anadolu-TRA, Orta Anadolu-TR7, Ortadoğu
P1aP1c
P1b
20
40
60
80
100
20
40
60
80
100
20
40
60
80
100
B
A
C
B
A C P1 P2 P3
0.0
0.2
0.4
0.6
0.8
1.0
Terlemez, İçöz Compositional Data: A Different Perspective to Registered Motor Land Vehicles 200
Alphanumeric Journal Volume 6, Issue 1, 2018
Anadolu-TRB, İstanbul-TR1 şeklinde kategorize edilirken, İBBS3 düzeyinde, 81 ilimiz dikkate alınmıştır. Motorlu araçlar ise otomobil, minibüs, otobüs, motosiklet, kamyonet, özel amaçlı taşıtlar ve traktör olarak sınıflandırılmıştır. Kullanılan değişkenlerin, MEDAS üzerindeki tanımları izleyen biçimde yapılmaktadır.
Kaydı Yapılan Taşıt; Trafiğe çıkmak için alınması zorunlu olan Trafik Tescil Belgesi’ni alan taşıtları ifade eder.
Otomobil; yapısı itibarıyla sürücüsünden başka en çok dokuz oturma yeri olan ve insan taşımak için imal edilmiş bulunan motorlu taşıttır.
Minibüs; yolcu taşımacılığında kullanılan sürücüsü dâhil oturma yeri on yediyi aşmayan otobüslere minibüs denir.
Otobüs; yolcu taşımacılığında kullanılan sürücüsü dâhil dokuzdan fazla oturma yeri olan motorlu taşıttır. Troleybüslerde bu gruba girer.
Motosiklet; İki veya üç tekerlekli, sepetli veya sepetsiz motorlu araçlardır (ATV’ler de dâhildir).
Kamyonet; izin verilebilen azami yüklü ağırlığı 3500 kg’ı geçmeyen ve yük taşımak için imal edilmiş motorlu taşıttır.
Kamyon; izin verilebilen azami yüklü ağırlığı 3500 kg’dan fazla olan ve yük taşımak için imal edilmiş motorlu taşıttır.
Özel amaçlı taşıtlar; özel amaçla insan veya eşya taşımak için imal edilmiş olan ve itfaiye, cankurtaran, cenaze, radyo, sinema, televizyon, kütüphane, araştırma araçları ile bozuk veya hasara uğramış araçları çekmek veya taşımak, kaldırmak gibi özel işlerde kullanılan motorlu taşıtlardır.
Traktör; belirli şartlarda römork ve yarı römork çekebilen, ancak ticari amaçla taşımada kullanılmayan tarım araçlarıdır.
İBBS1 ve İBBS3 düzeyleri için kayıtlı motorlu kara taşıtları bütünleşik veri olarak ele aldığında, bir bölge ve bir il birer kompozisyonu, motorlu kara taşı türleri ise ilgili kompozisyonun birer parçasını (bileşen) temsil eder. Bu bölgeler ve iller birlikte ayrı iki kayıtlı motorlu taşıtlar bütünleşik verisini oluşturacaktır.
4.1. İBBS1 Düzeyi Kayıtlı Motorlu Kara Taşıtları
İBBS1 düzeyi veriler, Akdeniz-TR6, Batı Anadolu-TR5, Batı Karadeniz-TR8, Batı Marmara-TR2, Doğu Karadeniz-TR9, Doğu Marmara-TR4, Ege-TR3, Güneydoğu Anadolu-TRC, Kuzeydoğu Anadolu-TRA, Orta Anadolu-TR7, Ortadoğu Anadolu-TRB, İstanbul-TR1 şeklinde kategorize edilmiştir. İBBS1 düzeyi kayıtlı motorlu kara taşıtları verisi Tablo 1’de, İBBS1 düzeyi bileşik veriler ise Tablo 2’de verilmiştir.
Sıra No Otomobil Minibüs Otobüs Kamyonet Kamyon Motosiklet Özel Amaçlı Traktör Bölgeler (İBBS1)
1 1504060 57875 29894 511996 114787 797550 6499 228119 Akdeniz-TR6
2 1660146 36206 24027 382898 113135 171456 8028 146870 Batı Anadolu-TR5
3 620418 36116 9903 193462 43089 115514 2863 217901 Batı Karadeniz-TR8
4 524054 17312 14373 168258 36063 238649 2440 173045 Batı Marmara-TR2
5 250601 34517 4292 155981 31739 19168 1676 10592 Doğu Karadeniz-TR9
6 1100464 37459 27481 358999 86093 208513 4928 180547 Doğu Marmara-TR4
Terlemez, İçöz Bütünleşik Veri: Kayıtlı Motorlu Kara Taşıtlarına Farklı Bir Bakış 201
Alphanumeric Journal Volume 6, Issue 1, 2018
Sıra No Otomobil Minibüs Otobüs Kamyonet Kamyon Motosiklet Özel Amaçlı Traktör Bölgeler (İBBS1)
7 1675836 59802 39455 531574 104306 825434 7235 357627 Ege-TR3
8 454539 43155 8434 189835 72353 239117 4034 132745 Güneydoğu Anadolu-TRC
9 118474 11683 2845 61153 16474 19421 1550 70105 Kuzeydoğu Anadolu-TRA
10 565276 21269 10860 157462 50678 73565 2646 165612 Orta Anadolu-TR7
11 199719 22560 3589 97996 22963 21287 2432 59919 Ortadoğu Anadolu-TRB
12 2644411 85979 45208 632869 133654 274059 6487 22682 İstanbul-TR1
Tablo 1. İBBS1 sınıflandırmasına göre kayıtlı kara taşıtları verisi, Kaynak: TÜİK, 2017.
Sıra No Otomobil Minibüs Otobüs Kamyonet Kamyon Motosiklet Özel Amaçlı Traktör Bölgeler (İBBS1) 1 0,4627 0,0178 0,0092 0,1575 0,0353 0,2453 0,002 0,0702 Akdeniz-TR6 2 0,6529 0,0142 0,0094 0,1506 0,0445 0,0674 0,0032 0,0578 Batı Anadolu-TR5 3 0,5006 0,0291 0,008 0,1561 0,0348 0,0932 0,0023 0,1758 Batı Karadeniz-TR8 4 0,4463 0,0147 0,0122 0,1433 0,0307 0,2032 0,0021 0,1474 Batı Marmara-TR2 5 0,4928 0,0679 0,0084 0,3067 0,0624 0,0377 0,0033 0,0208 Doğu Karadeniz-TR9 6 0,549 0,0187 0,0137 0,1791 0,043 0,104 0,0025 0,0901 Doğu Marmara-TR4 7 0,4653 0,0166 0,011 0,1476 0,029 0,2292 0,002 0,0993 Ege-TR3 8 0,3973 0,0377 0,0074 0,1659 0,0632 0,209 0,0035 0,116 Güneydoğu Anadolu-TRC 9 0,3927 0,0387 0,0094 0,2027 0,0546 0,0644 0,0051 0,2324 Kuzeydoğu Anadolu-TRA 10 0,5397 0,0203 0,0104 0,1503 0,0484 0,0702 0,0025 0,1581 Orta Anadolu-TR7 11 0,464 0,0524 0,0083 0,2277 0,0533 0,0495 0,0056 0,1392 Ortadoğu Anadolu-TRB 12 0,6877 0,0224 0,0118 0,1646 0,0348 0,0713 0,0017 0,0059 İstanbul-TR1
Tablo 2. İBBS1 sınıflandırmasına göre kayıtlı kara taşıtlarının bütünleşik veri yapısı
İBBS1 düzeyinde kayıtlı motorlu araçlar verisi incelendiğinde, Batı Marmara (TR2) Bölgesindeki kayıtlı otomobil sayısının Doğu Karadeniz (TR9) Bölgesinde kayıtlı olan otomobil sayısından fazla olmasına rağmen, kayıtlı motorlu kara taşıtlarının bütünü dikkate alındığında, Doğu Karadeniz Bölgesinde %4,65 daha fazla otomobilin kayıtlı olduğu görülebilmektedir. Benzer durum, kayıtlı motosikletler için de söz konusu olmaktadır. Ege (TR3) Bölgesine kayıtlı motosiklet sayısı, Akdeniz (TR6) Bölgesine kayıtlı motosiklet sayısından fazla olmasına rağmen, kayıtlı motorlu kara taşıtlarının bütünü dikkate alındığında, Akdeniz Bölgesinde %1,61 daha fazla motosikletin kayıtlı olduğu görülebilmektedir. Bu iki bölgede kayıtlı olan otomobil sayıları ise biraz daha farklı bilgiler sağlamaktadır. Ege Bölgesinde, Akdeniz Bölgesine nazaran daha fazla kayıtlı otomobil olmasına rağmen, bu iki bölgemizdeki kayıtlı otomobil oranı neredeyse aynı olduğu gözlemlenebilmektedir. İBBS1 düzeyinde, kayıtlı motorlu kara taşıtları bütünleşik verisine ait ortalama vektörü Tablo 3’de, varyans-kovaryans matrisi ise Tablo 4’de verilmiştir.
Otomobil Minibüs Otobüs Kamyonet Kamyon Motosiklet Özel Amaçlı Traktör
0,5331 0,0275 0,0105 0,1874 0,0461 0,1066 0,0030 0,0858 Tablo 3. İBBS1 sınıflandırmasına göre kayıtlı motorlu kara taşıtlarının bütünleşik verisi ortalama vektörü
Otomobil Minibüs Otobüs Kamyonet Kamyon Motosiklet Özel Amaçlı Traktör
Otomobil 0,0000 0,3666 0,0389 0,0940 0,1277 0,5270 0,2326 1,3407
Minibüs 0,3666 0,0000 0,4271 0,1161 0,1317 1,0643 0,1443 1,3907
Otobüs 0,0389 0,4271 0,0000 0,1140 0,1642 0,4120 0,2554 1,1860
Kamyonet 0,0940 0,1161 0,1140 0,0000 0,0415 0,6616 0,0942 1,2348
Kamyon 0,1277 0,1317 0,1642 0,0415 0,0000 0,6803 0,0567 1,1111
Motosiklet 0,5270 1,0643 0,4120 0,6616 0,6803 0,0000 0,8104 1,1392
Özel Amaçlı 0,2326 0,1443 0,2554 0,0942 0,0567 0,8104 0,0000 0,9042
Traktör 1,3407 1,3907 1,1860 1,2348 1,1111 1,1392 0,9042 0,0000 Tablo 4. İBBS1 sınıflandırmasına göre kayıtlı motorlu kara taşıtlarının bütünleşik verisi varyasyon matrisi
Terlemez, İçöz Compositional Data: A Different Perspective to Registered Motor Land Vehicles 202
Alphanumeric Journal Volume 6, Issue 1, 2018
Otomobil Minibüs Otobüs Kamyonet Kamyon Motosiklet Özel Amaçlı Traktör
Otomobil 0,1086 -0,0176 0,0810 0,0384 0,0189 0,0056 -0,0220 -0,2130
Minibüs -0,0176 0,2228 -0,0560 0,0844 0,0740 -0,2060 0,0792 -0,1809
Otobüs 0,0810 -0,0560 0,0924 0,0203 -0,0075 0,0550 -0,0415 -0,1438
Kamyonet 0,0384 0,0844 0,0203 0,0622 0,0388 -0,0849 0,0240 -0,1833
Kamyon 0,0189 0,0740 -0,0075 0,0388 0,0569 -0,0969 0,0400 -0,1241
Motosiklet 0,0056 -0,2060 0,0550 -0,0849 -0,0969 0,4295 -0,1505 0,0482
Özel Amaçlı -0,0220 0,0792 -0,0415 0,0240 0,0400 -0,1505 0,0799 -0,0091
Traktör -0,2130 -0,1809 -0,1438 -0,1833 -0,1241 0,0482 -0,0091 0,8060 Tablo 5. İBBS1 sınıflandırmasına göre kayıtlı motorlu kara taşıtlarının bütünleşik verisi varyans-kovaryans matrisi
Şekil 5. İBBS1 Düzeyi Bütünleşik Veri Yapısı
TR
6
TR
5
TR
8
TR
2
TR
9
TR
4
TR
3
TR
C
TR
A
TR
7
TR
B
TR
1
0.0
0.2
0.4
0.6
0.8
1.0
Otomobil Minibüs Otobüs Kamyonet Kamyon Motosiklet Özel.Amaçlı Traktör
Terlemez, İçöz Bütünleşik Veri: Kayıtlı Motorlu Kara Taşıtlarına Farklı Bir Bakış 203
Alphanumeric Journal Volume 6, Issue 1, 2018
Şekil 6. İBBS1 Düzeyi Kayıtlı Kara Taşıtları Üçgen Grafiği
Şekil 6. daha yakından incelendiğinde, motosiklet kullanımı arttıkça, İBBS1 düzeyi TRC, TR1, TR2 ve TR3 bölgelerindeki değişkenliğin azaldığı, azaldıkça diğer bölgelerdeki değişkenliğin arttığı söylenebilir.
Minibüs
Minibüs Otobüs
Otomobil
Minibüs Kamyonet
Otomobil
Minibüs Kamyon
Otomobil
Minibüs Motosiklet
Otomobil
Minibüs Özel.Amaçlı
Otomobil
Minibüs Traktör
Otomobil
Otobüs Minibüs
Otomobil
Otobüs
Otobüs Kamyonet
Otomobil
Otobüs Kamyon
Otomobil
Otobüs Motosiklet
Otomobil
Otobüs Özel.Amaçlı
Otomobil
Otobüs Traktör
Otomobil
Kamyonet Minibüs
Otomobil
Kamyonet Otobüs
Otomobil
Kamyonet
Kamyonet Kamyon
Otomobil
Kamyonet Motosiklet
Otomobil
Kamyonet Özel.Amaçlı
Otomobil
Kamyonet Traktör
Otomobil
Kamyon Minibüs
Otomobil
Kamyon Otobüs
Otomobil
Kamyon Kamyonet
Otomobil
Kamyon
Kamyon Motosiklet
Otomobil
Kamyon Özel.Amaçlı
Otomobil
Kamyon Traktör
Otomobil
Motosiklet Minibüs
Otomobil
Motosiklet Otobüs
Otomobil
Motosiklet Kamyonet
Otomobil
Motosiklet Kamyon
Otomobil
Motosiklet
Motosiklet Özel.Amaçlı
Otomobil
Motosiklet Traktör
Otomobil
Özel.Amaçlı Minibüs
Otomobil
Özel.Amaçlı Otobüs
Otomobil
Özel.Amaçlı Kamyonet
Otomobil
Özel.Amaçlı Kamyon
Otomobil
Özel.Amaçlı Motosiklet
Otomobil
Özel.Amaçlı
Özel.Amaçlı Traktör
Otomobil
Traktör Minibüs
Otomobil
Traktör Otobüs
Otomobil
Traktör Kamyonet
Otomobil
Traktör Kamyon
Otomobil
Traktör Motosiklet
Otomobil
Traktör Özel.Amaçlı
Otomobil
Traktör
Terlemez, İçöz Compositional Data: A Different Perspective to Registered Motor Land Vehicles 204
Alphanumeric Journal Volume 6, Issue 1, 2018
Şekil 7. İBBS1 Düzeyinde Otomobil – Kamyonet – Motosiklet Üçgen Grafiği
Şekil 6’dan alınarak detaylandırılan Şekil 7 incelendiğinde, dar bir değişkenliğe sahip olduğu, motosiklet kullanım oran arttıkça, değişkenliğin azaldığı ve Kamyonet oranının çoğunlukla sabit kaldığı gözlemlenmekle birlikte Otomobil/Motosiklet oranındaki değişkenlikten kaynaklandığı söylenebilir.
4.2. İBBS3 Düzeyi Kayıtlı Motorlu Kara Taşıtları
Sıra No Otomobil Minibüs Otobüs Kamyonet Kamyon Motosiklet Özel Amaçlı Traktör Plaka No (İBBS3)
1 303841 10247 4889 94462 20092 125533 1167 50250 1
2 44277 4601 375 13578 3403 13227 235 15803 2
3 81997 4597 1734 30657 9353 38041 465 40555 3
4 57878 1368 1469 15527 6082 12339 340 18214 68
5 53441 2942 722 15377 3384 11387 254 19711 5
6 1297145 23869 17573 261898 75439 43586 6006 52240 6
… … … … … … … … … …
76 21002 736 493 7599 1871 3944 216 13188 18
77 77426 2658 1202 20108 5597 16810 309 38551 19
78 2644411 85979 45208 632869 133654 274059 6487 22682 34
79 694464 14615 15954 211025 39615 236461 2912 61301 35
80 93947 8929 1346 30240 14950 66324 654 35759 63
81 3669 1656 151 6208 13351 2159 406 2650 73 Tablo 6. İBBS3 sınıflandırmasına göre kayıtlı kara taşıtlarının verisi, Kaynak: TÜİK, 2017.
İller bazında da farklı bir durum söz konusu değildir. Örneğin İstanbul ve Ankara illeri dikkate alındığında, İstanbul iline kayıtlı otomobil sayısı, Ankara iline kayıtlı otomobil sayısından çok daha fazladır. Ancak, kayıtlı motorlu kara taşıtlarının bütünü dikkate alındığında, Ankara ilinde İstanbul ilinden yaklaşık %4,2 daha fazla otomobilin kayıtlı olduğu görülebilmektedir.
TR6
TR5
TR8
TR2TR9
TR4
TR3
TRC
TRA
TR7
TRB
TR1
20
40
60
80
100
20
40
60
80
100
20 40 60 80
100
Otom
obilKam
yone
t
Motosiklet
Otomobil
Kamyonet Motosiklet
Terlemez, İçöz Bütünleşik Veri: Kayıtlı Motorlu Kara Taşıtlarına Farklı Bir Bakış 205
Alphanumeric Journal Volume 6, Issue 1, 2018
Sıra No Otomobil Minibüs Otobüs Kamyonet Kamyon Motosiklet Özel Amaçlı Traktör Plaka No (İBBS3) 1 0,4977 0,0168 0,008 0,1547 0,0329 0,2056 0,0019 0,0823 1 2 0,4636 0,0482 0,0039 0,1422 0,0356 0,1385 0,0025 0,1655 2 3 0,3954 0,0222 0,0084 0,1478 0,0451 0,1834 0,0022 0,1955 3 4 0,5112 0,0121 0,013 0,1371 0,0537 0,109 0,003 0,1609 68 5 0,4984 0,0274 0,0067 0,1434 0,0316 0,1062 0,0024 0,1838 5 6 0,7297 0,0134 0,0099 0,1473 0,0424 0,0245 0,0034 0,0294 6 … … … … … … … … … … 76 0,4282 0,015 0,0101 0,1549 0,0381 0,0804 0,0044 0,2689 18 77 0,476 0,0163 0,0074 0,1236 0,0344 0,1033 0,0019 0,237 19 78 0,6877 0,0224 0,0118 0,1646 0,0348 0,0713 0,0017 0,0059 34 79 0,5441 0,0115 0,0125 0,1653 0,031 0,1853 0,0023 0,048 35 80 0,3726 0,0354 0,0053 0,1199 0,0593 0,263 0,0026 0,1418 63 81 0,1213 0,0547 0,005 0,2052 0,4414 0,0714 0,0134 0,0876 73
Tablo 4.7. İBBS3 sınıflandırmasına göre kayıtlı kara taşıtlarının bütünleşik veri yapısı
Kamyon bileşeni dikkate alındığında ise, Şırnak ilindeki kayıtlı kamyon sayısı, İstanbul iline kayıtlı kamyon sayısının çok altında olmasına rağmen, kayıtlı motorlu kara taşıtlarının bütünü dikkate alındığında, Şırnak ilinde İstanbul ilinden %40,66 daha fazla kamyonun kayıtlı olduğu görülebilmektedir. Şekil 8 (d)’de verilen sütun grafiği de incelendiğinde, Şırnak iline kayıtlı kamyon oranının İstanbul iline kayıtlı kamyon oranından yüksek olduğu görülebilmektedir. Kayıtlı motorlu kara taşıtlarını bütünleşik verisinin ortalama vektörü Tablo 8’de, varyans-kovaryans matrisi ise Tablo 10’da verilmiştir. İBBS3 düzeyinde, bütünleşik veri yapısında, otomobil, kamyonet ve motosikletin ağırlıkta olduğu görülmektedir.
Otomobil Minibüs Otobüs Kamyonet Kamyon Motosiklet Özel Amaçlı Traktör
0,488893 0,031427 0,010025 0,191194 0,049694 0,106345 0,003576 0,118845 Tablo 8. İBBS3 sınıflandırmasına göre kayıtlı motorlu kara taşıtlarının bütünleşik verisi ortalama vektörü
Otomobil Minibüs Otobüs Kamyonet Kamyon Motosiklet Özel Amaçlı Traktör
Otomobil 0,0000 0,6150 0,1228 0,1994 0,4581 0,6781 0,6513 1,2460
Minibüs 0,6150 0,0000 0,6668 0,2028 0,2830 1,5316 0,2087 1,5144
Otobüs 0,1228 0,6668 0,0000 0,2163 0,3873 0,7149 0,5697 1,2910
Kamyonet 0,1994 0,2028 0,2163 0,0000 0,1589 0,9680 0,2567 1,3384
Kamyon 0,4581 0,2830 0,3873 0,1589 0,0000 1,1808 0,2183 1,3556
Motosiklet 0,6781 1,5316 0,7149 0,9680 1,1808 0,0000 1,5342 1,4330
Özel Amaçlı 0,6513 0,2087 0,5697 0,2567 0,2183 1,5342 0,0000 1,2105
Traktör 1,2460 1,5144 1,2910 1,3384 1,3556 1,4330 1,2105 0,0000 Tablo 9. İBBS3 sınıflandırmasına göre kayıtlı motorlu kara taşıtlarının bütünleşik verisi varyasyon matrisi
Otomobil Minibüs Otobüs Kamyonet Kamyon Motosiklet Özel Amaçlı Traktör
Otomobil 0,1649 -0,0769 0,1034 0,0258 -0,0597 0,0802 -0,1183 -0,1195
Minibüs -0,0769 0,2964 -0,1029 0,0898 0,0936 -0,2808 0,1687 -0,1879
Otobüs 0,1034 -0,1029 0,1647 0,0172 -0,0244 0,0617 -0,0776 -0,1421
Kamyonet 0,0258 0,0898 0,0172 0,0862 0,0505 -0,1041 0,0396 -0,205
Kamyon -0,0597 0,0936 -0,0244 0,0505 0,1738 -0,1667 0,1026 -0,1698
Motosiklet 0,0802 -0,2808 0,0617 -0,1041 -0,1667 0,6736 -0,3054 0,0414
Özel Amaçlı -0,1183 0,1687 -0,0776 0,0396 0,1026 -0,3054 0,2497 -0,0593
Traktör -0,1195 -0,1879 -0,1421 -0,205 -0,1698 0,0414 -0,0593 0,8422
Tablo 10. İBBS3 sınıflandırmasına göre kayıtlı motorlu kara taşıtlarının bütünleşik verisi varyans-kovaryans matrisi
Terlemez, İçöz Compositional Data: A Different Perspective to Registered Motor Land Vehicles 206
Alphanumeric Journal Volume 6, Issue 1, 2018
Şekil 8. İBBS3 Düzeyi Bütünleşik Veri Yapısı: (a) 1-20. iller, (b) 21-41. iller, (c) 42-62. iller, (d) 63-81. iller
1 2 3
68 5 6 7
75 8 9 4
10
74
72
69
11
12
13
14
15
(a)
0.0
0.2
0.4
0.6
0.8
1.0
16
20
21
81
22
23
24
25
26
27
28
29
30
31
32
76
46
78
70
36
(b)
0.0
0.2
0.4
0.6
0.8
1.0
37
38
79
41
42
43
39
71
40
44
45
47
33
48
49
50
51
52
80
53
(c)
0.0
0.2
0.4
0.6
0.8
1.0
54
55
56
57
58
59
60
61
62
64
65
77
66
67
17
18
19
34
35
63
73
(d)
0.0
0.2
0.4
0.6
0.8
1.0
Otomobil Minibüs Otobüs Kamyonet Kamyon Motosiklet Özel.Amaçlı Traktör
Terlemez, İçöz Bütünleşik Veri: Kayıtlı Motorlu Kara Taşıtlarına Farklı Bir Bakış 207
Alphanumeric Journal Volume 6, Issue 1, 2018
Şekil 9. İBBS3 Düzeyi Kayıtlı Kara Taşıtları Üçgen Grafiği
Şekil10. İBBS3 Düzeyinde Otomobil – Kamyonet – Motosiklet Üçgen Grafiği
Minibüs
Minibüs Otobüs
Otomobil
Minibüs Kamyonet
Otomobil
Minibüs Kamyon
Otomobil
Minibüs Motosiklet
Otomobil
Minibüs Özel.Amaçlı
Otomobil
Minibüs Traktör
Otomobil
Otobüs Minibüs
Otomobil
Otobüs
Otobüs Kamyonet
Otomobil
Otobüs Kamyon
Otomobil
Otobüs Motosiklet
Otomobil
Otobüs Özel.Amaçlı
Otomobil
Otobüs Traktör
Otomobil
Kamyonet Minibüs
Otomobil
Kamyonet Otobüs
Otomobil
Kamyonet
Kamyonet Kamyon
Otomobil
Kamyonet Motosiklet
Otomobil
Kamyonet Özel.Amaçlı
Otomobil
Kamyonet Traktör
Otomobil
Kamyon Minibüs
Otomobil
Kamyon Otobüs
Otomobil
Kamyon Kamyonet
Otomobil
Kamyon
Kamyon Motosiklet
Otomobil
Kamyon Özel.Amaçlı
Otomobil
Kamyon Traktör
Otomobil
Motosiklet Minibüs
Otomobil
Motosiklet Otobüs
Otomobil
Motosiklet Kamyonet
Otomobil
Motosiklet Kamyon
Otomobil
Motosiklet
Motosiklet Özel.Amaçlı
Otomobil
Motosiklet Traktör
Otomobil
Özel.Amaçlı Minibüs
Otomobil
Özel.Amaçlı Otobüs
Otomobil
Özel.Amaçlı Kamyonet
Otomobil
Özel.Amaçlı Kamyon
Otomobil
Özel.Amaçlı Motosiklet
Otomobil
Özel.Amaçlı
Özel.Amaçlı Traktör
Otomobil
Traktör Minibüs
Otomobil
Traktör Otobüs
Otomobil
Traktör Kamyonet
Otomobil
Traktör Kamyon
Otomobil
Traktör Motosiklet
Otomobil
Traktör Özel.Amaçlı
Otomobil
Traktör
12
3
685
6
775
89
4 10
74
72
6911
1213
14
15
16
2021 81
22
23
24
2526
27
2829
30
31
32
76
46
78
70
36
37
38
79
41
42
43
39
7140
44
454733
48
49
5051
52
80
53
5455
56
5758
5960
6162
64
65
77
66
67
17
1819
34
35
63
73
20
40
60
80
100
20
40
60
80
100
20
40
60
80
100
Oto
mobilK
am
yonet
Motosiklet
Otomobil
Kamyont Motosklt
Terlemez, İçöz Compositional Data: A Different Perspective to Registered Motor Land Vehicles 208
Alphanumeric Journal Volume 6, Issue 1, 2018
Şekil 9’dan alınarak detaylandırılan Şekil 10 incelendiğinde, alt bütünleşik verisinin dar bir değişkenliğe sahip olduğu %95 olasılık elipsinin dar bir bölgeye kapsadığından anlaşılmaktadır. Motosiklet kullanım oranı arttıkça değişkenliğin azaldığı ve kamyonet oranının çoğunlukla sabit kaldığı gözlemlenmekle birlikte bu değişkenliğin Otomobil/Motosiklet oranındaki değişkenlikten kaynaklandığı söylenebilir.
5. Sonuç ve Tartışma
Bu çalışmada, bütünleşik yapıya sahip veya bütünleşik yapıya dönüştürülebilen veri yapılarının analiz yöntemlerinden bir tanesi olan bütünleşik (compositional) veri analizinden bahsedilmiş ve bazı temel istatistiksel değerlerin hesaplanması ve yorumlanmasına ilişkin örnekler verilmeye çalışılmıştır. Bütünleşik veri, genellikle belirli bir toplama ait parçalar hakkında bilgi sağlayan bir veri tipidir. Çoğu zaman araştırmaya konu olan bütünleşik veri seti klasik tanıma uymamakta ve kompozisyonlar farklı toplamlara sahip olabilmekte, araştırmacı için önem teşkil etmeyebilmekte veya daha önceden tanımlanmış olabilmektedir. Bununla birlikte, genellikle toplamların istatistiksel olarak karşılaştırılması bir anlam ifade etmeyebilmektedir.
Bütünleşik veriler bir bütünün parçalarından oluştuğu için korelasyonlu bir yapıya sahip olacaktır. Örneğin parçalar toplamının bilinmesi şartı ile diğer parçalar cinsinden yazılabilir. Ya da bir parçanın değerinin artması, toplam sabit kaldığından diğer bir parça değerinin azalması anlamına gelecektir. Bu nedenlerden dolayı bazı istatistiksel analizlerin yapılması için bütünleşik verilere dönüşümler uygulanması gerekir.
Bütünleşik bir veri doğal olarak çok değişkenli yapıya sahiptir. Fakat sabit toplam kısıtı dolayısı ile sınırlı bir uzaya sahiptir. Bu nedenle klasik çok değişkenli istatistiksel metotların kullanılması yanlış çıkarımlara yol açabilir.
Kayıtlı motorlu kara taşıtları örneği için elde eden sonuçlar incelendiğinde, gerçek veriden üzerinden elde edilen sonuçlarla, bütünleşik veriden elde edilen sonuçların yorumlarının bazı farklılıklar gösterdiği gözlemlenmiştir. Bu farklılık, örneğin, Şırnak ilinde kayıtlı kamyon oranı ile İstanbul iline kayıtlı kamyon sayılarının, kayıtlı motorlu kara taşıtları bütünleşik verisine çok farklı şekilde yansıması verilebilir. Diğer bir örnek ise, İstanbul ilinde kayıtlı otomobil sayısının, Ankara iline kayıtlı otomobil sayısının yaklaşık iki katı olmasına rağmen kayıtlı motorlu kara taşıtları bütünleşik verisinin daha farklı bir bakış ile bütünün içindeki payının, İstanbul iline ait bütünün içindeki payından daha fazla paya sahip olduğu görülebilmektedir. Bu nedenle, bütünleşik yapıdaki verinin uygun şekilde analiz edilmesi, her zaman önem arz eden bir konudur.
Bu çalışmada elde edilen sonuçlar, sadece bazı temel istatistiklerden oluşmaktadır. Dolayısı ile bütünleşik veri analizine uygun hipotez testleri, regresyon analizi, gruplandırma ve sınıflandırma analizleri gibi, istatistik literatüründe yer edinmiş metotlara da başvurulması gerektiği göz ardı edilmemelidir.
Kaynakça
Aitchison J (2005) A Concise Guide to Compositional Data Analysis, http://ima.udg.edu/activitats/codawork05/A_concise_guide_to_compositional_data_analysis.pdf.
Aitchison, J. (1982). The statistical analysis of compositional data. Journal of the Royal Statistical Society. Series B (Methodological), 139-177.
Edjabou, M. E., Martín-Fernández, J. A., Scheutz, C., & Astrup, T. F. (2017). Statistical analysis of solid waste composition data: Arithmetic mean, standard deviation and correlation coefficients. Waste Management, 69, 13-23.
Terlemez, İçöz Bütünleşik Veri: Kayıtlı Motorlu Kara Taşıtlarına Farklı Bir Bakış 209
Alphanumeric Journal Volume 6, Issue 1, 2018
Güngör, T. (2017, 17 Ekim), Motorlu kara taşıtı sayısı artıkça vergi mükellefi sayısı da artıyor, www.dünya.com
Hamilton, N. (2016), ggtern: An Extension to 'ggplot2', for the Creation of Ternary Diagrams. R package version 2.1.1. http://CRAN.R-project.org/package=ggtern.
http://CRAN.R-project.org/package=compositions.
https://www.researchgate.net/publication/37814008_Lecture_Notes_on_Compositional_Data_Analysis.
Mert, M. C., Filzmoser, P., Endel, G., & Wilbacher, I. (2016). Compositional data analysis in epidemiology. Statistical Methods in Medical Research, 0962280216671536.
Pawlowsky-Glahn, Vera & Egozcue, Juan Jose & Tolosana-Delgado, Raimon. (2007), Lecture Notes on Compositional Data Analysis,
Pişkin, S. (2017). Otomotiv Sektör Raporu, Türkiye Otomotiv Sanayii Rekabet Gücü ve Talep Dinamikleri Perspektifinde 2020 İç Pazar Beklentileri: Ocak 2017, TSKB Ekonomik Araştırmalar.
R Core Team (2014). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria.
The International Organization of Motor Vehicle Manufacturers – OICA (2017, 20 Aralık), World Vehicles In Use, http://www.oica.net/wp-content/uploads/total-inuse-2014.pdf.
TÜİK (2017, Aralık 5), Merkezi Dağıtım Sistemi: Ulaştırma İstatistikleri, http://www.tuik.gov.tr/PreTabloArama.do?metod=search&araType=vt
TÜİK Haber Bülteni (2017, Aralık 10), Motorlu Kara Taşıtları, Temmuz 2017, http://www.tuik.gov.tr/PreHaberBultenleri.do?id=24602
URL http://www.R-project.org/.
van den Boogaart, K. G., Tolosana, R., Bren, M. (2014), compositions: Compositional Data Analysis. R package version 1.40-1.
van den Boogaart, K. G., Tolosana-Delgado, R. (2013), Analyzing Compositional Data with R, Springer, DOI: 10.1007/978-3-642-36809-7.
Veri Görselleştirme Kataloğu - VGK (2017, Aralık 15), Koroplet Harita, https://datavizcatalogue.com/TR/yontemleri/koroplet_harita.html
https://datavizcatalogue.com/TR/yontemleri/koroplet_harita.html
Terlemez, İçöz Compositional Data: A Different Perspective to Registered Motor Land Vehicles 210
Alphanumeric Journal Volume 6, Issue 1, 2018